搜索
当前所在位置: 主页 > 美食推荐 >

‘lol外围’CCF公布2019-2020中国盘算机科学技术生长陈诉

发布时间:2021-11-09 02:27 作者:lol外围 点击: 【 字体:

本文摘要:《2019-2020中国盘算机科学技术生长陈诉》(以下简称《生长陈诉》)电子版现已公布在CCF数字图书馆中,点击底部“阅读原文”即可浏览。此次《生长陈诉》的组织和筹谋获得了CCF各专业委员会与宽大会员的鼎力大举支持和努力响应,经由学术事情委员会的征集审稿,今年入选到《生长陈诉》的文章共16篇,为历年最多。

lol外围

《2019-2020中国盘算机科学技术生长陈诉》(以下简称《生长陈诉》)电子版现已公布在CCF数字图书馆中,点击底部“阅读原文”即可浏览。此次《生长陈诉》的组织和筹谋获得了CCF各专业委员会与宽大会员的鼎力大举支持和努力响应,经由学术事情委员会的征集审稿,今年入选到《生长陈诉》的文章共16篇,为历年最多。

其中人工智能宁静性、智能软件可靠性、网络信息宁静、芯片宁静等方面的陈诉,从算法的懦弱性与鲁棒性、信息的宁静性、器件的宁静性等多角度对宁静问题举行了论述;元学习技术、资源匮乏语言神经机械翻译、语音信号处置惩罚等方面的陈诉,对于深度学习太过依赖标注数据的问题举行了论述;在前沿技术方面,包罗了量子算法和庞大性的研究希望、区块链信息系统的生长现状与前瞻、高性能盘算生长现状及趋势等陈诉;在交织融合方面,包罗了数据库与人工智能的交织技术、跨媒体智能理论与技术研究希望、人机物融合操作系统的研究希望与趋势等陈诉。以下是《生长陈诉》中各篇文章的摘要内容:【1】量子算法与庞大性研究希望概述——CCF理论盘算机科学专业委员会作者:李绿周、高飞、姚鹏晖、田国敬、何键浩、潘世杰、叶泽坤探寻量子优势是量子盘算领域的焦点问题之一,而量子优势的发挥有赖于量子算法。同时,要搞清楚量子盘算与经典盘算的界限,需要从庞大性的角度举行深入研究。

由此可见,量子算法与庞大性是量子盘算理论的焦点内容。本文从量子查询算法及庞大性、量子交互盘算庞大性、量子机械学习、量子优化、量子电路优化与经典模拟等几个主要偏向举行论述。总结近几年海内外在这些偏向的研究希望,并对海内外研究现状举行分析和比力,最后对相关研究偏向生长趋势举行展望。

【2】反抗机械学习研究希望及趋势——CCF人工智能与模式识别专业委员会作者:朱军、苏航、董胤蓬、庞天宇以深度学习为代表的机械学习技术已经在许多应用领域取得显著希望,但随着应用规模的不停扩大,对机械学习的反抗鲁棒性提出了更高要求。反抗机械学习是机械学习中新兴的一个热点偏向,旨在研究在存在反抗噪声的情况下,如何通过反抗攻击发现模型的懦弱性。分析其事情机理,并进一步生长反抗鲁棒的机械学习理论和方法。

本文总结分析了反抗机械学习的前沿希望,并指出若干未来值得关注的研究偏向。【3】数据库与人工智能交织技术的希望与生长趋势——CCF数据库专业委员会作者:李国良、范举、冯建华随着盘算机技术与网络通信技术的快速生长,数据库技术已经成为当今信息社会中对大量数据举行组织与治理的重要技术手段,是网络信息化治理系统的基础。日前,随着人工智能飞速生长,数据库与人工智能的交织技术逐渐成为数据库研究领域的重要偏向之一。在本文中,我们首先分析基于人工智能的数据库技术的生长现状。

在大数据时代下,面临不停膨胀的数据信息、庞大多样的应用场景、异构的硬件架构和乱七八糟的用户使用水平,传统数据库技术很难适应这些新的场景和变化,机械学习技术因其从历史履历中学习的能力、逐渐在数据库领域展现潜力和应用前景。我们划分讨论智能数据库设置、智能数据库优化、智能数据库设计、智能数据库监控和数据库宁静。其次,我们分析基于数据库的人工智能技术的生长现状。人工智能技术因其强大的学习和泛化能力已经被广泛应用到种种真实场景中。

然而,现有人工智能技术还面临着三大挑战。第一,现有 AI技术使用门槛高,依赖于AI从业者选择合适模型、设计参数、编写法式,因此很难被广泛应用到非盘算机领域;第二,现有AI算法训练效率低,造成了大量盘算资源浪费,甚至延误决议时机;第三,现有AI技术强依赖高质量数据,如果数据质量较低,可能造成盘算效果的错误。

我们划分从面向AI的声明式语言模型、面向AI的逻辑优化引擎、面向AI的物理优化引擎和面向AI的数据治理四个方面综述数据库技术如何解决以上挑战。最后,我们给出数据库与人工智能交织技术的生长趋势和挑战。

【4】大数据知识工程的研究希望与趋势——CCF大数据专家委员会作者:吴信东、靳小龙、陈欢欢、吴共庆、刘均、官赛萍、陆汝钤知识工程这一观点由美国学者费根鲍姆于20世纪70年月提出,其后迅速生长成为一个专门的科学研究偏向并在专家系统的研究与应用热潮中发挥了关键作用。随着大数据时代的到来,知识工程也迎来了碎片化知识的“量,质,序”的新挑战和生长机缘,特别是Google在2012年公布了知识图谱这一项目并将基于大数据的知识图谱用于增强搜索引擎的性能之后,大数据情况下的知识工程迅速获得了学术界、工业界甚至是政府部门的高度关注。2015 年,吴信东等华人学者提出了大数据知识工程(BigKE)的观点。

本文论述海内外大数据知识工程领域近些年的生长状况和趋势,对海内外大数据知识工程领域各自的优势与特点举行了总结对比,同时展望了未来的总体生长趋势。【5】新一代数据中心网络技术研究希望——CCF互联网专业委员会作者:苏金树、赵宝康、董德尊、吕高锋、文梅、魏亮、彭伟、李福亮、张圣林、孙永谦随着数据中心列入新基建的重点生长偏向,它即将迎来蓬勃生长的新阶段。数据中心网络作为毗连数据中心系统内部各种资源、承载海量流量的焦点和关键,一直是工业和学术界关注的焦点。

近年来,飞速增长的网络流量、迅速变迁的网络负载、快速增加的网络规模,对传统数据中心网络提出了严峻挑战,催生了以可编程数据平面、开放控制平面、无损传输、智能运维等为代表的新一代数据中心网络技术。本文将对新一代数据中心网络的相关焦点关键技术举行梳理总结,并对未来生长举行展望。【6】跨媒体智能的表征技术研究希望与趋势——CCF多媒体专业委员会作者:刘偲、李波、况琨、黄庆明、朱文武、张新峰、于俊清、吴飞、王鑫、冯娜、宋子恺陈诉从多媒体的特征工程任务出发,分析了当前在跨媒体多任务情况下模态表征的理论模型。

主要包罗:多媒体特征提取与表达、多媒体特征的高效压缩、跨媒体多模态表征以及多模态建模。多媒体特征提取与表达是解决跨媒体学习任务的先决条件,通过提取多媒体数据中的语义表征和内在关联,实现多媒体特征表达的高效性和可解释性,并提升跨媒体任务的高效性和可解释性。然而,原始特征中大量的数据会增加网络传输的肩负,多媒体特征的高效压缩通过预测和量化等操作,在保持给定分析性能的条件下,通已往除特征冗余来减小特征表现所需的数据量。随着跨媒体数据的大量发生,对异构的多模态数据的处置惩罚和分析面临着庞大挑战。

跨媒体多模态表征通过寻求在公共空间中表现差别模态数据的方法,使各个模态的数据能够在公共空间中相互比力。多模态表征从深度表征、迁移表征和紧凑表征出发,先容了跨媒体多模态分析中数据驱动关联表征的问题。为了进一步提高模型效果,多模态建模方法使用多模态团结学习、注意力机制以及互补信息融合方式,从差别模态的数据信息对人类感知建设完整模型。

多模态建模总结了团结学习、特征对齐和特征融合三种建模方式,展现了多模态表现学习在多模态庞大信息情况中的机缘和挑战。【7】芯片宁静研究希望与趋势——CCF容错盘算专业委员会&体系结构专业委员会作者:叶靖、侯锐、沈海华、王喆、张吉良、苑风凯、李文杰、王文浩、张军、华宇、夏虞斌、李华伟、武成岗、李晓维、孟丹芯片是构建信息系统的基石,芯片宁静隐患是威胁信息系统宁静的重要泉源。本文从电路级和体系结构级两个层面分析总结了芯片宁静的海内外研究现状,重点先容了扫描链宁静、物理不行克隆函数、硬件木马、硬件毛病、处置惩罚器微体系结构宁静、可信执行情况、内存宁静、系统宁静隔离等技术的生长现状与趋势。【8】人机物融合操作系统的研究希望与趋势——CCF系统软件专业委员会作者:郭耀、陈海波、胡春明、卜磊操作系统是盘算机系统中最为关键的一层系统软件。

近年来,由于互联网、云盘算、大数据、物联网等新型应用模式的迅速普及,种种面向新型应用模式的操作系统获得了广泛的关注。到了人机物融合的泛在盘算时代,为了更好地治理人机物融合情况下的漫衍异构海量资源,同时为人机物融合的新型应用和服务提供支持,操作系统及相关技术正在发生许多重要的厘革。本文首先简要回首操作系统的生长历史,然后主要针对人机物融适时代操作系统在海内外的最新研究希望举行了总结和对比, 并分析了在人机物融适时代操作系统面临的主要挑战和生长趋势。

lol外围

【9】源匮乏语言神经机械翻译的研究希望与趋势——CCF中文信息技术专业委员会作者:余正涛、文永华、线岩团、于志强、毛存礼、高盛祥随着深度学习的快速生长宁静行语料规模的不停扩大,神经机械翻译在资源富厚语言间的翻译质量不停改善,翻译效果已经靠近或到达人工翻译的水平。神经机械翻译作为数据驱动型的机械学习方法,需要大规模、高质量的平行语料作为训练数据,因此在资源匮乏语言上的翻译效果还不够理想。双语平行资源匮乏是机械翻译面临的普遍问题,资源匮乏语言神经机械翻译已成为机械翻译领域的研究热点,具有重要的研究价值和应用前景。本文在分析资源匮乏语言机械翻译研究面临问题的基础上,重点从语料库扩展、半监视神经机械翻译、无监视神经机械翻译、多语言神经机械翻译和外部知识融合等五个方面先容资源匮乏语言神经机械翻译的最新研究希望,最后对相关领域未来的生长趋势举行展望。

【10】E级高性能盘算机系统研制的挑战与机缘——CCF高性能盘算专业委员会作者:卢凯、王睿伯、董勇、张伟、杨博、陆平静、张文喆、邬会军高性能盘算是科技创新体系的重要组成,是知识创新和技术创新的重要能力支撑,是新时期下与理论、实验并重的三大科技创新手段之一。近十年来,我国在高性能盘算领域取得了跨越式的生长,高性能系统研制水平跻身国际一盛行列。然而,我国高性能盘算的生长还存在许多不足,特别是在自主芯片、领域工程软件平台、海量资源治理、以及新型器件方面另有待突破。本文驻足当前海内外高性能盘算生长现状和计划,对海内外下一步生长高性能盘算的挑战和机缘举行了对比和分析,最终形成了一些生长高性能盘算的对策和建议,希望能够对未来我国生长高性能盘算相关领域提供一些指导和参考。

【11】智能软件可靠性的研究希望与趋势——CCF软件工程专业委员会作者:陈雨亭、谢晓园、周宇、马雷人工智能正在彻底改变人类的事情、学习、生活、发现和相同的方式。智能软件是人工智能的重要载体,在不停为人工智能界说新的功效、效能与界限。可是,我们仍然频繁履历智能软件的缺陷和失败。

一个重要的原因是人工智能和机械学习引起的软件开发模式的转变——使用机械学习和人工智能技术,大量规则会从训练数据中推理出来。编程范型、开发模式的转变使得对具有人工智能的软件的行为举行推理变得难题,对智能软件举行分析、明白、测试或验证也存在难题。鉴于智能软件在我们的社会中发挥着越来越重要的作用,软件工程和人工智能领域都有须要研究和开发新技术以应对其可靠性的挑战——智能软件中智能算法的行为可能不正确,或者存在纵然算法实现正确,而传统可靠性保障技术无效的情况。

为求更好地保障智能软件可靠性,本文分析智能软件可靠性模型,并将其细分为数据可靠性、模型可靠性宁静台可靠性等。进一步地,本文从保障技术和软件历程两方面出发,进一步厘清智能软件可靠性的保障机制和技术手段——海内外研究者提出大量针对智能软件的软件测试、调试、错误修复和形式化验证技术,解决人工智能引入的不确定性,提升智能软件产物的可靠性;工业界也界说机械学习事情流并将其集成至智能软件开发历程中,以从软件历程上保障智能软件可靠性。

最后,本文将总结开发可靠的智能软件所面临的挑战、机缘以及生长偏向。【12】人工智能系统的形式化验证技术研究希望与趋势——CCF形式化专业委员会作者:卜磊、陈立前、董云卫、黄小炜、李建霖、李钦、刘万伟、阮文杰、宋富、孙有程、王竟亦、吴敏、许智武、薛白、杨鹏飞、易新平、张立军、张民随着深度学习技术在无人驾驶、智能制造、医疗诊断等宁静攸关领域的应用,人们对人工智能系统的可信性提出了更高的要求,相关研究也被人工智能、形式化方法领域密切关注,并迅速成为研究热点之一。

本文以人工智能系统的宁静可信性为主题,从人工智能系统可信的内在,验证、测试、模型抽象等方面先容海内外面向人工智能系统形式化验证相关的最新方法与技术,并对该偏向的生长趋势举行分析与总结。【13】元学习的研究希望与生长趋势——CCF盘算机视觉专业委员会作者:孟德宇、束俊、左旺孟元学习是近年来逐渐蓬勃兴起的新型机械学习研究偏向,旨在解决机械学习方法论自动化构建与设置这一瓶颈问题。由于其在诸多应用任务上出现出的强大应用潜力,这一研究偏向吸引了越来越多领域学者的关注。

本文旨在针对元学习举行研究希望综述及未来生长趋势分析。特别地,本文通过与传统机械学习的基本观点与内在对比,对相应元学习的观点与内在举行深入阐释,突出其相比传统机械学习的内在关联、演进思想及厘革特征,并分析其在大数据、大模型、大算力的方面临机械学习基本执行模式可能带来的基础性推进与改善。本文的研究希望综述包罗两个部门:一是将当前元学习常用的方法论实验归纳总结为四种模式,划分先容每种模式可能的思想念头泉源及基本的执行特点;二是以盘算机视觉为配景,先容了元学习在小样本学习、网络结构搜索、学会优化等应用任务上的典型研究希望。

最后,对元学习的海内外研究希望举行了简要的比力分析,并对该偏向未来生长的趋势实验举行了讨论和展望。【14】序列到序列语音合成的研究希望与趋势——CCF语音对话与听觉专业委员会作者:凌震华、吴志勇、江源、蒙美玲序列到序列语音合成技术近年来获得了广泛的关注,本文主要先容该技术的海内外研究希望和生长偏向。基于注意力机制的序列到序列神经网络模型实现了机械翻译中不等长的源、目的语言文本序列之间的直接映射。受此启发,序列到序列语音合成模型通过注意力机制实现文本与语音的隐式对齐和映射,提升了语音合成的自然度。

lol外围

与机械翻译差别的是,语音合成中语音声学参数序列对文本序列的对应是严格单调的,然而不加限制的隐式时长模型建模会造成文本和语音对齐的误差,导致合成的性能受损。为提高序列到序列语音合成模型的稳定性,多种注意力机制被提出以更好地学习语音与文本之间的对齐,保证语音合成中声学参数序列生成时相对于文本序列的单调性、局部性。

个性化、体现力语音合成对扩展智能语音交互场景具有重要意义,序列到序列神经网络模型较好的可扩展性为语音合成模型的个性化、高体现力、可控语音生成提供了可能。通过接纳无监视学习、迁移学习的方法可实现对语音副语言信息的建模,进而实现序列到序列个性化、体现力语音生成。从理论及实际应用的角度来说,序列到序列语音合成仍有较大的提升空间:融合前端文天职析、后端语音波形信号恢复的完全端到端的语音合成模型将是未来重要的研究偏向;在序列到序列合成模型中通过多种影响因子(副语言信息)的解耦合表征建模,提高语音生成历程中相关因子表达的可控性,对于实现越发灵活的个性化语音合成有重要意义;通过淘汰序列到序列语音合成模型的训练对于数据量及数据质量的依赖、降低模型的盘算量来进一步提升模型的可用性,对于实现序列到序列语音合成技术在实际场景中的应用落地有重要意义。【15】区块链信息系统研究希望与趋势——CCF区块链专业委员会作者:邢春晓、于戈、李庆忠、金澈清、李瑞轩、王鑫、张桂刚区块链应用系统的普及是区块链技术成熟的重要标志。

本文从体系架构、建模方法、存储治理、联邦盘算、跨链互操作、隐私掩护、链上链下融合、云边端融合八个方面临区块链系统的海内外现状及比力做了系统的分析。从区块链+数字金融、区块链+电子政务、区块链+电子商务、区块链+智慧医疗、区块链+智能制造以及区块链 +绿色农业几个方面举行了应用分析。

最后,提出了区块链信息系统的生长趋势和展望。【16】网络信息宁静智能技术与应用的研究希望与趋势——CCF盘算机宁静专业委员会作者:杨珉、张磊、荆继武、刘欣然、胡传平本文从网络信息宁静智能技术与应用的研究希望与趋势这一角度出发,回首和论述近几年国际和海内相关的网络宁静智能技术的研究事情,详细分析信息宁静新技术和新应用的生长,并联合我国实际情况针对网络宁静的未来研究提出几点启示和展望,以资助海内科研事情者迎头遇上外洋相关研究。详细来说,本文划分从系统宁静毛病智能挖掘技术、宁静防护与补丁检测技术、网络攻击及检测技术、人工智能及其宁静等5个角度对相关事情举行整理和比力。

经由详细对比分析,本文发现,海内研究现在已在部门关键技术领域取得突破,在国际顶级集会上揭晓了一批高质量论文。可是,与外洋研究相比,海内研究起步较晚,其研究结果也一般较为疏散,在某一领域内的数个偏向上均有少数研究。值得一提的是,海内有关人工智能及其宁静的研究虽然数量不多,可是已经基本可以涵盖该领域的关键偏向,且已经有部门高质量论文揭晓。

这讲明,我国人工智能及其宁静已经体现出克服起步晚这一难题的趋势,相信在不久的未来,会涌现更多高质量研究结果。点击底部“阅读原文”,成为CCF会员后到CCF数字图书馆浏览《生长陈诉》详细内容。


本文关键词:‘,lol,外围,’,CCF,lol外围,公布,2019-2020,中国,盘算机

本文来源:lol外围-www.nucong.net

阅读全文
返回顶部